Vectorial recauda 3 millones de dólares en financiación inicial para probar productos con clientes simulados

La IA puede ayudar a un equipo a desarrollar una nueva función para un producto en cuestión de horas. Sin embargo, averiguar si realmente interesa a la gente puede llevar semanas. Vectorial apuesta por que los modelos de comportamiento humano pueden reducir esa brecha y ha recaudado 3 millones de dólares en financiación inicial para incorporar audiencias simuladas al proceso de desarrollo de productos.

La empresa, con sede en San Francisco, anunció la financiación el 20 de octubre y señaló que entre sus patrocinadores están Smilegate, SenseAI Ventures y Dent Capital. Vectorial también menciona el respaldo de los ecosistemas de Berkeley y Stanford, así como la participación de responsables de producto de Meta, Shopify y Mastercard. La empresa planea ampliar sus conjuntos de datos de comportamiento mediante nuevas alianzas para compartir datos y desarrollar la siguiente versión de su modelo SAPIENS.

La propuesta es sencilla: permitir que los equipos de producto, diseño y marketing analicen cómo podrían reaccionar distintas audiencias ante una experiencia digital antes de exponer a ella a clientes reales. La cuestión más difícil es si esas reacciones simuladas son lo bastante fiables como para mejorar la toma de decisiones.

Crear un modelo de audiencia reutilizable

Vectorial describe su plataforma como un sistema de dos pasos. Primero, crea un modelo de la audiencia objetivo a partir de datos de comportamiento. Después, los equipos realizan simulaciones con esa audiencia para evaluar recorridos de producto, conceptos de campañas, mensajes de marca o agentes de IA de atención al cliente en experiencias web y móviles.

Su modelo SAPIENS representa características demográficas, psicológicas y de comportamiento, incluidos rasgos que no son directamente visibles en el perfil de un cliente. El objetivo es captar las diferencias entre las personas, en lugar de tratar un segmento de mercado como si fuera un único cliente promedio. Así, un equipo de diseño y otro de marketing pueden trabajar con el mismo modelo de audiencia subyacente y plantear preguntas distintas.

En su sitio web, Vectorial explica que los clientes pueden calibrar las poblaciones utilizando segmentos de CRM, encuestas anteriores, transcripciones de conversaciones con el servicio de asistencia y análisis de producto. También describe la posibilidad de realizar pruebas retrospectivas con un estudio ya completado antes de utilizar la audiencia modelada para responder a una pregunta nueva. Esto ofrece una forma práctica de examinar si la simulación refleja una base de clientes específica.

Para un equipo de producto, esto podría significar comparar distintas opciones para el proceso de incorporación antes de comprometer recursos de ingeniería. Un desarrollador de videojuegos podría investigar cómo responden distintos grupos de jugadores a una función propuesta. Una empresa que implemente un asistente de IA podría analizar cómo cambian sus conversaciones según las circunstancias de los usuarios. Se trata de posibles aplicaciones de la plataforma, no de pruebas de que todas las respuestas predichas vayan a producirse tras el lanzamiento.

Qué miden las afirmaciones sobre precisión

Vectorial afirma haber modelado a más de 2,5 millones de personas y completado más de 30.000 simulaciones. En su anuncio de financiación, la empresa informa de que las simulaciones han reproducido resultados de estudios de usuarios anteriores con una precisión superior al 85 % y describe SAPIENS como un modelo un 30 % más preciso que los modelos de lenguaje de propósito general para predecir el comportamiento.

Estos resultados son los que comunica la empresa. En su sitio web actual, por separado, indica una precisión del 87 % en estudios reservados para la evaluación y una mejora del 35 % en la correspondencia con opiniones reales. La empresa distingue explícitamente entre la correspondencia con opiniones y la precisión al predecir el comportamiento. Por tanto, estas cifras deben entenderse como resultados de evaluaciones distintas, no como una única medida intercambiable de la capacidad del software para predecir el comportamiento de las personas.

Para los posibles clientes, la prueba útil consiste en evaluar el rendimiento del modelo con su propia audiencia, su producto y decisiones cuyos resultados se conocen. Una simulación que ordena correctamente dos mensajes responde a una pregunta distinta de otra que predice el porcentaje exacto de usuarios que comprarán. La propia Vectorial reconoce que su rendimiento es menor al realizar predicciones precisas en categorías con pocos datos de comportamiento.

Esta es también una de las diferencias entre la investigación simulada y las herramientas de IA que automatizan los flujos de trabajo de investigación de mercado. Preparar y analizar encuestas con mayor rapidez puede mejorar el proceso de recopilación de evidencia humana. En cambio, un simulador de comportamiento genera predicciones a partir de un modelo, por lo que la calibración y la validación son fundamentales para determinar el valor de sus resultados.

De la experiencia en investigación a las decisiones de producto

Vectorial fue cofundada por Taranveer Singh, su director ejecutivo; Jasmine Kaur, su directora de negocio; y Rahul Garg, su director de producto. Sus trayectorias combinan el modelado del comportamiento, la adopción de la IA en empresas y el desarrollo de productos de software.

Las biografías de los fundadores de la empresa describen la trayectoria de Singh en investigación del comportamiento e IA, incluido su trabajo en Carnegie Mellon y Berkeley AI Research. Kaur trabajó anteriormente en Pfizer en el desarrollo de usuarios sintéticos para marketing, mientras que Garg ha creado productos en empresas como Blinkit y Housing.com. Esta combinación ayuda a explicar por qué Vectorial se centra en integrar la investigación en las decisiones recurrentes sobre productos, en lugar de limitarse a vender estudios de mercado puntuales.

«Seguimos invirtiendo en nuestro modelo de comportamiento, pero un modelo por sí solo no resuelve el problema», dijo Garg en el anuncio. «Por eso integramos los modelos de comportamiento en el ciclo de desarrollo de productos».

Vectorial menciona clientes de los sectores de la salud, los videojuegos y el comercio, entre ellos Midi Health, GoodRx, Suki AI, boAt, Everkind y Concrete Software. Según el anuncio, los clientes realizan unas 600 simulaciones al mes, lo que equivale aproximadamente a 40 estudios con usuarios. Estas cifras de uso indican la frecuencia de pruebas a la que aspira la empresa, pero no demuestran por sí solas el efecto comercial de cada simulación.

Una primera evaluación más rápida, sin dejar de lado la validación en el mundo real

La financiación inicial servirá para ampliar las alianzas de datos sobre comportamiento y desarrollar SAPIENS 2.0. Ampliar la cobertura de datos es importante porque la utilidad de la plataforma depende de la fidelidad con que represente a las personas a las que una empresa quiere llegar, incluidos los grupos cuyo comportamiento puede diferir del de la mayoría.

El principal argumento a favor de este enfoque es que permite realizar pruebas antes y con mayor frecuencia. Los equipos pueden explorar más opciones, identificar supuestos y llegar a la investigación con personas con preguntas más precisas. El propio sitio web de Vectorial señala que los participantes reales siguen siendo importantes en situaciones desconocidas y en trabajos que requieren pruebas directas con personas.

Esto plantea un desafío claro para la startup: demostrar que las simulaciones repetidas conducen a mejores decisiones sobre los productos, y no simplemente a una mayor cantidad de resultados de investigación. Si logra demostrar esa relación con distintos clientes y mercados, el modelado de audiencias podría convertirse en una etapa habitual entre la generación de una idea y su lanzamiento.